Impact of aeroplane noise on mental and physical health: a quasi-experimental analysis
Notice bibliographique
Résumé
OBJECTIVES: Historically, departures at New York City's LaGuardia airport flew over a large sports complex within a park. During the US Open tennis games, flights were diverted to fly over a heavily populated foreign-born neighbourhood for roughly 2 weeks out of the year so that the tennis match was not disturbed (the 'TNNIS' departure). In 2012, the use of the TNNIS departure became year-round to better optimise flight patterns around the metropolitan area. METHODS: We exploited exogenously induced spatial and temporal variation in flight patterns to examine difference-in-difference effects of this new exposure to aircraft noise on the health of individual residents in the community relative to individuals residing within a demographically similar community that was not impacted. We used individual-level Medicaid records, focusing on conditions associated with noise: sleep disturbance, psychological stress, mental illness, substance use, and cardiovascular disease. RESULTS: We found that increased exposure to aeroplane noise was associated with a significant increase in insomnia across all age groups, but particularly in children ages 5-17 (OR=1.64, 95% CI=1.12 to 2.39). Cardiovascular disease increased significantly both among 18-44-year-old (OR=1.45, 95% CI=1.41 to 1.49) and 45-64-year-old Medicaid recipients (OR=1.15, 95% CI=1.07 to 1.25). Substance use and mental health-related emergency department visits also increased. For ages 5-17,rate ratio (RR) was 4.11 (95% CI=3.28 to 5.16); for ages 18-44, RR was 2.46 (95% CI=2.20 to 2.76); and for ages 45-64, RR was 1.48 (95% CI=1.31 to 1.67). CONCLUSION: We find that increased exposure to aeroplane noise was associated with an increase in diagnosis of cardiovascular disease, substance use/mental health emergencies and insomnia among local residents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».